Google BigQuery 向量搜索
Google Cloud BigQuery Vector Search 允许您使用 GoogleSQL 进行语义搜索，使用向量索引以获得快速的近似结果，或使用暴力搜索以获得精确结果。
本教程展示了如何在LangChain中使用端到端的数据和嵌入管理系统，并通过BigQueryVectorStore类在BigQuery中提供可扩展的语义搜索。该类是能够在Google Cloud中提供统一数据存储和灵活向量搜索的两类之一：
- BigQuery 向量搜索：使用
BigQueryVectorStore类，非常适合无需基础设施设置和批量检索的快速原型设计。 - 特征存储在线商店：使用
VertexFSVectorStore类，支持通过手动或计划数据同步实现低延迟检索。非常适合面向用户的生产级GenAI应用程序。
入门指南
安装库
%pip install --upgrade --quiet langchain langchain-google-vertexai "langchain-google-community[featurestore]"
要在此Jupyter运行时中使用新安装的包，您必须重新启动运行时。您可以通过运行下面的单元格来执行此操作，该单元格将重新启动当前的内核。
import IPython
app = IPython.Application.instance()
app.kernel.do_shutdown(True)
开始之前
设置您的项目ID
如果您不知道您的项目ID，请尝试以下操作：
- 运行
gcloud config list。 - 运行
gcloud projects list。 - 查看支持页面：Locate the project ID。
PROJECT_ID = "" # @param {type:"string"}
# Set the project id
! gcloud config set project {PROJECT_ID}
设置区域
你也可以更改BigQuery使用的REGION变量。了解更多关于BigQuery区域的信息。
REGION = "us-central1" # @param {type: "string"}
设置数据集和表名
它们将成为您的BigQuery向量存储。
DATASET = "my_langchain_dataset" # @param {type: "string"}
TABLE = "doc_and_vectors" # @param {type: "string"}
验证您的笔记本环境
- 如果您正在使用Colab来运行此笔记本，请取消注释下面的单元格并继续。
- 如果您正在使用Vertex AI Workbench，请查看这里的设置说明。
# from google.colab import auth as google_auth
# google_auth.authenticate_user()
演示：BigQueryVectorStore
创建一个嵌入类实例
您可能需要通过运行
gcloud services enable aiplatform.googleapis.com --project {PROJECT_ID}
（将{PROJECT_ID}替换为您的项目名称）来在您的项目中启用Vertex AI API。
你可以使用任何LangChain嵌入模型。
from langchain_google_vertexai import VertexAIEmbeddings
embedding = VertexAIEmbeddings(
model_name="textembedding-gecko@latest", project=PROJECT_ID
)
初始化 BigQueryVectorStore
如果不存在，BigQuery数据集和表将自动创建。查看类定义这里以获取所有可选参数。
from langchain_google_community import BigQueryVectorStore
store = BigQueryVectorStore(
project_id=PROJECT_ID,
dataset_name=DATASET,
table_name=TABLE,
location=REGION,
embedding=embedding,
)
添加文本
all_texts = ["Apples and oranges", "Cars and airplanes", "Pineapple", "Train", "Banana"]
metadatas = [{"len": len(t)} for t in all_texts]
store.add_texts(all_texts, metadatas=metadatas)
搜索文档
query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs)
通过向量搜索文档
query_vector = embedding.embed_query(query)
docs = store.similarity_search_by_vector(query_vector, k=2)
print(docs)
使用元数据过滤器搜索文档
向量存储支持在文档搜索时对元数据字段应用过滤器的两种方法：
- 基于字典的过滤器
- 您可以传递一个字典（dict），其中键代表元数据字段，值指定过滤条件。此方法在键和相应值之间应用相等过滤器。当提供多个键值对时，它们使用逻辑AND操作组合。
- 基于SQL的过滤器
- 或者，你可以提供一个表示SQL WHERE子句的字符串来定义更复杂的过滤条件。这允许更大的灵活性，支持比较运算符和逻辑运算符等SQL表达式。
# Dictionary-based Filters
# This should only return "Banana" document.
docs = store.similarity_search_by_vector(query_vector, filter={"len": 6})
print(docs)
# SQL-based Filters
# This should return "Banana", "Apples and oranges" and "Cars and airplanes" documents.
docs = store.similarity_search_by_vector(query_vector, filter={"len = 6 AND len > 17"})
print(docs)
批量搜索
BigQueryVectorStore 提供了一个 batch_search 方法，用于可扩展的向量相似性搜索。
results = store.batch_search(
embeddings=None, # can pass embeddings or
queries=["search_query", "search_query"], # can pass queries
)
添加带有嵌入的文本
你也可以使用add_texts_with_embeddings方法自带嵌入。这对于可能需要自定义预处理的多模态数据特别有用，然后再生成嵌入。
items = ["some text"]
embs = embedding.embed(items)
ids = store.add_texts_with_embeddings(
texts=["some text"], embs=embs, metadatas=[{"len": 1}]
)
低延迟服务与特征存储
你可以简单地使用方法.to_vertex_fs_vector_store()来获取一个VertexFSVectorStore对象，该对象为在线用例提供了低延迟。所有必需的参数将从现有的BigQueryVectorStore类自动传输。查看类定义以了解你可以使用的所有其他参数。
回到BigQueryVectorStore同样简单，只需使用.to_bq_vector_store()方法。
store.to_vertex_fs_vector_store() # pass optional VertexFSVectorStore parameters as arguments